データ科学特論 _ﾒﾃﾞｨｱ併用

Advanced Lecture for Data Science _ﾒﾃﾞｨｱ併用

ー

コース応用科目（データ科学コース）

情報科学研究科

1年

KIIMD5MCA1

2.0単位

講義 (Lecture)

2024年度後期

川向 肇、木庭 淳、川嶋 宏彰、山本 岳洋、土方 嘉徳

情報科学研究科

日本語

該当なし

別途指⽰する

kiniwa@sis.u-hyogo.ac.jp
kawashima@sis.u-hyogo.ac.jp
kawamukai@sis.u-hyogo.ac.jp
t.yamamoto@sis.u-hyogo.ac.jp

ー

2◎／1〇

ー

ー

【講義目的】データ科学の最前線となる研究や応⽤例について、たとえば数理的なモデリング⽅法やデータ分析のアルゴリズム、機械学習や⾃然⾔語処理、ソーシャルネットワークをはじめとしたインタラクションの話題などを取り上げ、発展的な内容も含めて紹介する。受講者は各研究テーマを参考にして自らの研究テーマを構築できるようになることを目的とする。（オムニバス⽅式/全15回）

【到達目標】
本講義の到達⽬標は、１）データ科学の最前線における研究を俯瞰すること、２）各⾃の研究⽅向を探る動機とすること、である。

講義内容
データ科学の最前線となる研究や応⽤例について、オムニバス形式で講義を⾏う。

授業計画（以下は進⾏の⽬安であり多少の前後や他の話題の講義がある。）


（川嶋宏彰）
1. コンピュータビジョンと機械学習：⼈や⽣物の⾏動や状態などを、画像等を⽤いて計測・推定する各種⼿法や応⽤事例について紹介する。
2. インタラクションとそのモデル化（マルチモーダル対話）：⼈と⼈、⼈と機械のインタラクションにおける、⾔語・⾮⾔語コミュニケーションのデータ分析やモデリング⼿法を解説する。
3. インタラクションとそのモデル化（群モデル）：⽣物間、⼈⼯物間など、様々な個体間相互作⽤（インタラクション）を解析するためのモデリング⼿法を解説する。

（木庭淳）
4. 自己安定アルゴリズム：分散アルゴリズムにおける自己安定の概念を説明し、いくつかの例を通して応用的な問題を解説する。
5. ゲーム理論・マイノリティゲーム：マルチエージェント環境におけるエージェント間のゲーム理論的駆け引きとその応用としてのマイノリティゲームを解説する。
6. 価格安定化問題：経済学における需要と供給の理論をマルチエージェント的に考察する価格安定化問題について紹介する。

（川向肇）
7. 地理情報システムの利用技術と空間情報に関するモデル化、データのモデル化にまつわる各種手法と課題について紹介する。
8. 地理情報を解析するための解析手法とその解析上の課題について紹介する。
9. 時空間情報処理に関する各種手法について実データを利用しつつ紹介する。

（山本岳洋）
ウェブやSNS上の人々の検索・行動データの分析技術（ランキング学習、情報拡散モデルなど）について紹介するとともに、フィルターバブルを始めとした社会的課題についても触れる。
10. ウェブ検索・行動データ分析
11. ウェブ・SNSネットワーク分析
12. ウェブ・SNS情報の偏りと信頼性

（土方嘉徳）
13.ソーシャルメディアと社会科学研究：ソーシャルメディアが社会科学の研究方法にもたらした変革と、ビジネス（特にマーケティング）にもたらした変革について述べる。また、ソーシャルメディアとSNSの違いについて説明し、代表的なSNSの特徴を述べる。
14.集合知とWeb2.0：Webやソーシャルメディアが人類の知識源として成功した理由を集合知という概念から説明する。また、その対極として閉鎖的な会社やチームがイノベーションを起こすことができなくなる理由を集団思考という概念から説明する。最後に現代のWebサービスの成功の理由をWeb2.0という概念から説明する。
15.ソーシャルメディアによる社会分析：ソーシャルメディア上のネットワークデータや投稿データを分析することで、社会現象や社会問題を発見できることを学ぶ。具体的には、SNSにおける人々のつながりの特徴について学び、人々の投稿データを分析することで、地域の貧困や治安、自然災害や伝染病の状況を把握できることを学ぶ。

なし

授業中に適宜指⽰する。

【予習】授業に際して指示するテキスト・オンデマンド教材の部分を事前読み込み（15ｈ）
【復習】レポート作成（5回以上、30ｈ）、講義内容の理解を深め定着させるためにテキスト・オンデマンド教材を読み直し（15ｈ）

実施しない。

【成績評価の基準】
　データ科学の最前線の動向を理解し、研究テーマへの⽬標を定めることができる者に、講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に基づき、S（90点以上）,Ａ（80点以上）,B（70点以上）,C（60点以上）による成績評価のうえ、単位を付与する。
【成績評価の方法】
　各担当教員の課題の成果物やレポートを100％として、受講態度（積極的な質問等）を含めて総合的に評価する。

小テストおよびレポートは、原則次の講義内で解説する。

・授業中に指⽰した課題・⽂献について、⼗分な予習および復習をして講義に出席すること。
・当授業は、商科キャンパスから情報キャンパスへ配信する授業形態であり、配信側となる商科キャンパスの履修者は対⾯授業となりますが、受信側となる情報キャンパスの履修者は遠隔授業となります。なお、配信映像は両キャンパスに設置しているモニターに映し出されますので、履修者各⾃が端末を持参する必要はありません。

AIの利用については、各担当回の教員の指示に従うこと

該当しない